Ng深度學習課程-第四課第三週筆記摘要

阿新 • • 發佈：2018-12-20

卷積神經網路邊緣檢測 padding 卷積步長三維卷積池化層卷積神經網路

目標檢測目標定位 &n

人臉識別 One-Shot 學習 Siamese 網路 Triplet 損失人臉驗證與二分類風格遷移的代價函式

深度卷積網路：例項探究為什麼要進行例項探究？經典網路殘差網路(ResNets)(Residual Networks (ResNets))

進行誤差分析清除標註錯誤的資料快速搭建你的第一個系統，並進行迭代使用來自不同分佈的資料進行訓練和測試資料分佈不匹配時的偏差與方差的分析

第一週機器學習（ML）策略滿足和優化指標（Satisficing and optimizing metrics）訓練/開發/測試集劃分什麼時候該改變開發/測試集和

序列模型迴圈神經網路模型不同型別的迴圈神經網路語言模型和序列生成對新序列取樣

課程筆記演算法將一幅圖片分為內容+風格，有了這兩像，圖片也就確定了，所以”生成圖片主要的思想，通過兩個損失函式（內容損失+風格損失）來進行迭代更新” 遷移學習總體分為三步: 建立內容損失函式 Jcontent(C,G)Jcontent(C,G)

第三週的課程是目標檢測，程式設計作業是以yolo網路為主。程式設計作業的主要部分是對yolo網路輸出進行 anchor boxes過濾、IOU過濾、非極大抑制處理。理論知識交併比（Intersection-over-Union，IoU），目標檢測中使

淺層神經網路：一般地，輸入層不算在總層數內。只考慮隱藏層和輸出層的層數。這個是當輸入是單一的訓練樣本時的計算過程，程式設計實現時也只是這四行程式碼。接下來是針對多個訓練樣本。即是在原來單列的基礎上，再向後增加一列，每增

卷積神經網路——目標檢測 3.1目標定位 1.分類與定位分類問題可以有助於定位問題的解決，當識別完圖片型別之後我們可以讓神經網路的輸出增加幾個單元，從而輸出一個邊界框(bounding box)，具體而言就是多輸出4個數字（b_x, b_y, b_h, b_w）,在這

Object Detection 1.Object localization 以前的分類問題經過softmax後輸出其屬於哪一類即可，對於目標定位，經過softmax後還得多輸出其位置資訊。

卷積神經網路——人臉識別與神經風格轉換 4.1什麼是人臉識別？ 1.人臉驗證與人臉識別驗證：輸入為影象、名字、ID等，輸出為輸入的影象與其宣告的是否是同一人；識別：輸入為影象，輸出為該影象是否為資料庫中的影象之一，如果是給出ID。 2.人臉識別較人臉驗證更困難

Mini-batch 梯度下降指數加權平均數指數加權平均的偏差修正動量梯度下降法（Gradient descent with Momentum）

深度學習的實踐層面

計算機中為了儲存一張圖片，需要儲存三個矩陣，它們分別對應圖片中的紅、綠、藍三種顏色通道。如果你的圖片大小為 64x64 畫素，那麼就有三個規模為 64x64 的矩陣，分別對應圖片中紅、綠、藍三種畫素的強度值。為了把這些畫素值放到一個特徵向量

Autonomous driving - Car detection Welcome to your week 3 programming assignment. You will learn about object detection using the very powerful YOLO

Face Recognition for the Happy House Welcome to the first assignment of week 4! Here you will build a face recognition system. Many of the ideas pre

##Planar data classification with one hidden layer ## 1.常用的Python Library numpy：is the fundamental package for scientific computin

最近在學習吳恩達的Deep Learning 系列課程，首先在此對吳老師表示深深的謝意。第一次接觸深度學習方面的知識，更是第一次用程式碼程式設計實現深度學習的演算法。所以在完成老師的作業過程中，遇到很多問題，最終在度孃的幫助下，花了一天的時間，終於把程式設計實現了邏